线性系统模态参数识别的递推子空间辨识方法

为了解决系统模型的在线辨识,一种用于线性时变系统辨识的递推子空间辨识方法,能够实现对系统状态空间模型的在线递推估计.通过应用阵列信号处理中的传播函数方法,代替了子空间辨识中的奇异值分解,得到一种基于传播函数方法的递推子空间算法.该算法避免了奇异值分解计算量大的缺点,可以有效地降低计算量.最后通过Ansys建立线性系统模型,仿真结果表明,该方法能够降低计算量并且能准确地辨识出线性系统的模态参数.     

基于随机子空间的同步发电机参数辨识方法

从同步发电机建模的角度出发,针对传统的同步发电机参数辨识方法存在辨识精度低、抗干扰能力差的不足,提出了随机子空间的同步发电机参数辨识方法.将采集到定子电流信号构成Hankel矩阵,经矩阵QR分解和特征值分解（SVD）,得到系统矩阵的特征值,进而得到定子电流中直流分量和基频分量的衰减系数,再通过最小二乘拟合得到各分量的幅值和相位,从而实现同步发电机的参数辨识.通过仿真验证了该方法的有效性.     

基于小波分解的时变系统辨识方法研究

传统的模型辨识方法不适合参数变化较快的时间变系统的辨识,因此提出了基于小波分解的线性时变系统的辨识模型描述以及辨识算法,仿真结果证明了这种辨识方法的有效性。     

基于接收信号重构的OFDM系统盲信道估计

对OFDM系统的盲信道估计问题进行了研究,提出基于接收信号重构的子空间算法.该算法利用OFDM循环前缀（CP）重构接收信号,将传输方程中的信道矩阵变换为块Toeplitz高矩阵,然后利用重构接收信号噪声子空间与信号子空间的正交性,获取信道估计特征方程.为消除虚拟子载波对算法的影响,引入等效发射信号的SVD分解.通过将重构前的信号进行虚拟子载波归零处理进一步提升了算法的性能.仿真结果表明,所提算法相比于已有算法具有较高的估计精度和较快的收敛速度.     

线性时变系统的分散自适应控制

本文提出对一种由互连子系统组合而成的线性时变系统的分散自适应控制算法。在研究某个子系统时，把其它子系统的影响看成干扰输入，用多项式逼近时变参数，由带死区的修正ＲＬＳ估计器辨识未知参数，自适应控制律由极小化性能函数导出。从理论上证明了所提算法可实现大系统的输入输出稳定。仿真结果也证实了所提算法的有效性     

应用粒子群算法的动态目标DOA估计

针对信号源方向时变情况,提出一种新的跟踪方法.该方法利用性能优越的最大似然估计避免了子空间跟踪类方法需要不断重复的协方差矩阵分解.为有效解决最大似然估计巨大计算量的问题,引入粒子群算法并对其进行改进,使其能够自动跟踪目标,把目标锁定在一个很小的搜索范围之内.通过大幅度缩小搜索的范围和运用群智能搜索可以有效降低算法的计算量.仿真结果表明,与子空间类算法相比,该方法具备解相干的能力和较好的跟踪精度,而且能够保证算法的实时性.     

一种基于MIMO-SAR体制的空时自适应杂波抑制研究

利用MIMO-SAR系统相比传统SAR系统易获得更大空间自由度的特点,可进一步提高杂波抑制的性能.但对机动目标进行处理时,目标检测会受到目标非线性距离单元徙动影响,并且传统的运动参数估计方法难以准确获取合成孔径时间内的时变参数信息,这些极易造成目标在图像中出现散焦与模糊的现象.为此,文中采用长相干积累孔径划分的方法,消除越距离单元徙动对STAP性能的影响,并且将时变多普勒参数的非线性估计问题转化为对多个线性参数估计.仿真结果验证了文中方法的有效性.     

基于TS模型的非线性系统模糊辨识算法

对一类采样数据较均匀的非线性系统,提出一种基于TS模型的系统辨识算法.首先利用等分区间法对输入空间进行前提结构的划分,并根据所选定的隶属度函数确定每个输入变量在各个模糊子空间中的隶属度,然后利用卡尔曼滤波算法来辨识模型的后件参数.与模糊聚类等辨识算法相比,该算法计算量较小,适用于系统的在线辨识,仿真研究表明该算法具有较高的辨识精度.     

利用NARMA模型辨识非线性时变结构系统

为了有效地进行非线性时变结构系统的辨识,提出了一种基于Kalman滤波算法的利用时变非线性自回归滑动平均模型的用于非线性时变结构系统辨识的新方法.首先,利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后,将非线性项展开为系统输出数据的多项式的形式.利用短时时不变假设,通过改变模型参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题.建立系统参数的随机游动模型,引入Kalman滤波算法估计系统的参数,实现对非线性时变结构系统的辨识.最后对一个具有非线性时变刚度的三自由度结构系统进行了仿真,结果表明:该方法可以有效地跟踪非线性时变结构系统的参数变化.遗忘因子的对比试验表明只有选择合适的遗忘因子才能得到合理的结果.     

时变参数估计的新方法及在故障诊断中的应用

首次将模糊控制的原理引入时变系统的辨识中，提出了一种遗忘因子模糊自调整原理，导出了一种实现比较简便，对参数时变具有较高跟踪速度和精度的辨识方法。该方法不仅适用于故障诊断的参数估计，也适合于时变系统参数估计问题，理论分析和仿真验证了该方法的有效性。     

Improved stochastic subspace method for identifying structural modal parameters

Stochastic subspace identification can be used to identify the modal parameters of a structure according to its dynamic response to ambient excitation. However, some high dimensional matrices (Toeplitz matrices) must be constructed in the process of identification, and lots of memory and computation time are cost to the singular value decomposition of these high dimensional matrixes. Stochastic subspace identification affects the computational efficiency seriously. Therefore, this paper investigates a new method for constructing lower-dimension Toeplitz matrices to improve the computing efficiency. Finally, a numerical simulation is presented to demonstrate the computing efficiency of the method. The result shows that the computing consumption of the proposed method is only 106％ the computing consumption of the traditional stochastic subspace identification while the identification accuracy is maintained.     

一种高阶费歇耳信息矩阵分布式求逆方法

为获得多智能体系统任意耦合型无向网络导航克拉美-罗下界的显示表达式,简化高阶费歇耳信息矩阵求逆过程,提出了一种分布式求逆方法,即矩阵分块对角化求逆方法。首先,针对任意耦合型无向网络导航定位模型,构造了高阶费歇耳信息矩阵,并结合其对称特点及矩阵元素与网络拓扑间的对应关系,将其分解为两个分块对角矩阵的线性组合,它们分别包含所有节点和边的费歇耳信息量。其次,通过两次运用矩阵求逆引理,推导了费歇耳信息矩阵的逆即克拉美-罗下界以及网络节点等价费歇耳信息矩阵的显式表达式;同时引入了迭代过程,将整个求逆过程完全分解为若干个低阶矩阵间的运算,以减小单步运算量。最后,通过数值试验对该算法进行了验证,并与矩阵分块迭代求逆法进行了对比分析。结果表明,两者均具有较高的计算效率和精度,但本算法运算量更小,计算速度更快,从而验证了算法的准确性和有效性。该算法可用于分析任意耦合型无向网络导航定位模型中各节点或边费歇耳信息的融合过程。     

热连轧活套系统的数据驱动预测控制

针对热连轧活套高度和张力系统的双输入双输出强耦合特性,提出了基于数据驱动预测控制策略.基于子空间辨识方法,利用离线和在线输入输出数据直接辨识控制器参数,避开模型辨识的过程,同时基于预测控制原理,利用未来输入和已经测得的数据信息,预估未来输出,充分利用预测信息设计控制器,在下一个采样周期开始新的循环.该方法能够提高控制精确度,具有较强的扰动抑制能力.仿真结果表明该方法的可行性和较好的控制效果.     

变预处理子SOR-双共轭残量法

研究了大规模稀疏线性方程组的预条件迭代求解算法。结合Krylov子空间方法和SOR迭代,给出了一个新的求解算法,即变预处理子SOR-双共轭残量法,同时给出了算法的收敛性分析。数值实验显示了算法的快速收敛性。     

Online Detection of State Estimator Performance Degradation via Efficient Numerical Observability Analysis

An efficient observability analysis method is proposed to enable online detection of performance degradation of an optimization-based sliding window visual-inertial state estimation framework. The proposed methodology leverages numerical techniques in nonlinear observability analysis to enable online evaluation of the system observability and indication of the state estimation performance. Specifically, an empirical observability Gramian based approach is introduced to efficiently measure the observability condition of the windowed nonlinear system, and a scalar index is proposed to quantify the average system observability. The proposed approach is specialized to a challenging optimization-based sliding window monocular visual-inertial state estimation formulation and evaluated through simulation and experiments to assess the efficacy of the methodology. The analysis result shows that the proposed approach can correctly indicate degradation of the state estimation accuracy with real-time performance.     

单向收缩QR算法在奇异值分解中的收敛特性

针对大型矩阵奇异值分解的数值计算问题,总结了单向收缩QR算法的特点,通过实例证明了该算法在处理由某些小幅度信号构造的大型矩阵的奇异值分解时存在不收敛的情况。从理论上分析了QR迭代过程中Givens变换矩阵的变化特点,发现算法出现不收敛现象的根本原因在于大型矩阵首行对角带元素的衰减,最终会使QR迭代时的第一个Givens右矩阵变为单位阵,从而导致后面所有Givens矩阵全部成为单位阵,引起QR算法失效。在此基础上进一步研究了首行元素的衰减对QR算法收敛速度的影响。对理论分析用实际数据进行了验证,从本质上探明了该QR算法的收敛特性。     

多用户MIMO-OFDM系统的子信道可变速率算法

联合考虑随机波束成形和自适应调制建立了MIMO-OFDM系统的自适应多用户分集系统模型,提出了随机波束成形QR接收机的子信道可变速率算法,推导了在最小化系统误码率情况下系统的误码性能。仿真结果表明,该算法在用户数很小时使系统性能收敛到特征波束成形系统的性能;当用户数增多时,采用天线分配算法的多用户分集系统能获得比特征波束成形系统更好的性能;将自适应编码调制技术运用到多用户分集系统,从而提高系统的实际吞吐量和误码性能。     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

Unbiased parameter estimation of continuous-time system based on modulating functions with input and output white noises

An efficient unbiased estimation method is proposed for the direct identification of linear continuous-time system with noisy input and output measurements.Using the Gaussian modulating filters,by numerical integration,an equivalent discrete identification model which is parameterized with continuous-time model parameters is developed,and the parameters can be estimated by the least-squares (LS) algorithm.Even with white noises in input and output measurement data,the LS estimate is biased,and the bias is d...